Nurwijayatima, Martaleli Bettiza, S.Si., M.Sc dan Eka Suswaini, ST., MT
Jurusan Informatika, Fakultas Teknik Universitas Maritim Raja Ali Haji (UMRAH)
Jl. Politeknik Senggarang, Tanjungpinang 29115
E-mail: nurwijayatima@yahoo.co.id
Abstrak
Ekowisata mangrove merupakan salah satu kegiatan pariwisata yang berwawasan lingkungan dengan mengutamakan aspek konservasi alam, aspek pemberdayaan sosial budaya ekonomi masyarakat lokal serta aspek pembelajaran dan pendidikan. Selama ini kelayakan ekowisata mangrove dikelompokkan menjadi 3 yaitu kelayakan sedikit, sedang dan tinggi yang dihitung menggunakan rumus matematika berdasarkan bobot dan kriteria-kriteria. Metode bayesian digunakan pada machine learning berdasarkan data training dan probabilitas bersyarat untuk pengelompokan data. Pada penelitian ini menggunakan metode bayesian dalam penentuan kelayakan ekowisata mangrove dan diharapkan dapat membantu dalam penentuan kelayakan ekowisata mangrove secara cepat dan tepat. variabel yang digunakan adalah famili mangrove, spesies mangrove, spesies satwa, karakteristik kawasan, permintaan, air tawar dan Aksesibilitas. Dari 10 data trainning dan 15 data sampel yang digunakan, metode bayes mempunyai tingkat akurasi sebesar 60%.
Kata kunci : ekowisata mangrove, metode bayesian, variabel, data trainning, tingkat akurasi.
Abstract
Mangrove ecotourism is one of the environmentally sustainable tourism activities, with priority on the conservation of natural, social and cultural aspects of economic empowerment of local communities and aspects of learning and education. During the feasibility of mangrove ecotourism classified into 3 namely feasibility little, medium and high is calculated using a mathematical formula based on weight and criteria. Bayesian methods are used in machine learning based on the training data and the conditional probability for grouping data. In this study, using Bayesian methods in determining the feasibility of mangrove ecotourism and is expected to assist in determining the feasibility of mangrove ecotourism quickly and accurately. variables used are the family of mangroves, mangrove species, animal species, land characteristics, demand, freshwater and Accessibility. Of 10 data trainning and 15 sample data used, Bayes method has an accuracy rate of 60%.
Keywords: mangrove ecotourism, bayesian methods, variables, trainning the data, the level of accuracy. 1. Pendahuluan
Sebagai peneliti kita akan menentukan layak atau tidaknya suatu tempat dijadikan ekowisata mangrove, namun sering kali kita bingung menentukan apakah kelayakannya tinggi,
sedang atau rendah. Maka dari itu dibutuhkan suatu sistem untuk memberikan alternatif pilihan bagi kita untuk menentukan ke dalam apakah
Implementasi Algoritma Bayesian Classification Dalam
Menentukan Kelayakan Ekowisata Mangrove
kelayakan suatu tempat untuk dijadikan ekowisata mangrove.
Kelayakan ekowisata mangrove terbagi menjadi 3 yaitu kelayakan sedikit, sedang dan tinggi yang dihitung menggunakan rumus matematika berdasarkan bobot dan kriteria-kriteria yang ada (Murni, 2000) . Algoritma bayesian merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukakan olehilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai
Teorema Bayes. Metode bayesian
digunakan pada machine learning berdasarkan data training dan probabilitas bersyarat sebagai dasarnya.
Pada penelitian ini, peneliti menggunakan metode bayesian dalam penentuan kelayakan ekowisata mangrove dan diharapkan dapat membantu dalam penentuan kelayakan ekowisata mangrove secara cepat dan tepat.
1.2 Perumusan Masalah
Dari uraian latar belakang penelitian diatas dapat dirumuskan permasalahan penelitian adalah bagaimana membangun sebuah sistem yang dapat membantu dalam menentukan kelayakan suatu tempat untuk dijadikan ekowisata mangrove menggunakan algoritma bayesian.
1.4 Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah agar dapat mempermudah peneliti dalam menganalisa kelayakan ekowisata mangrove di setiap stasiun yang ingin diteliti.
1.5 Ruang Lingkup Penelitian
Menuju penelitian yang terstruktur dan terfokus dengan baik maka perlu disusun ruang lingkup permasalahan atau pembatasan masalah sebagai berikut: 1. Pengembangan sistem dalam
menganalisa kelayakan ekowisata mangrove berdasarkan data dari
Fakultas Kelautan, Universitas Maritim Raja Ali Haji sebagai sampel. 2. Aplikasi ini hanya mengkalsifikasi
kelayakan ekowisata mangrove
3. Sistem yang dibuat berupa aplikasi web.
2. Metodologi Penelitian
Pengumpulan data-data yang dibutuhkan dilakukan dengan cara melakukan observas terhadap data dari fakultas kelautan UMRAH. Dalam hal ini di perlukan sebuah laptop dan alat tulis untuk merekap data dan memudahkan dalam pengambilan data.
Metode yang digunakan dalam perancangan adalah model Linier Sequential atau biasa disebut sebagai model Waterfall. Model ini dipilih karena merupakan suatu model yang terstruktur dimana pekerjaan untuk tiap tahapan harus selesai dilakukan sebelum melangkah pada tahapan selanjutnya.
Gambar 2.1 Pemodelan Waterfall
4. Perancangan Sistem
Alur sistem yang dibangun ini dapat dilihat pada gambar dibawah ini
Admin
Sistem Pendukung Keputusan Kelayakan Ekowisata Mangrove
User
Input Data Training
Input Data Tes
Hasi
Gambar 3.1 Context Diagram
Skema relasi antar tabel dalam database aplikasi penentuan kelayakan ekowisata
mangrove dengan metode bayesian digambarkan dalam gambar berikut : login_admin PK id_admin username password kriteria PK id_kriteria family_mangrove spesies_mangrove spesies_satwa karakteristik_kawasan permintaan air_tawar aksesibilitas admin 1 N Gambar 3.2 ERD 5. Implementasi
Pada halaman utama sistem penunjang keputusan penentuan kelayakan ekowisata mangrove ini, terdapat menu-menu untuk melakukan perhitungan menggunakan metode bayesian. Berikut adalah tampilan utama dalam sistem ini:
Gambar 4.1 Halaman Utama
Proses penghitungan nilai kelayakan menggunakan metode bayesian akan ditampilkan seperti gambar berikut :
Gambar 4.2 Halaman Penghitungan Bayes
Selanjutnya jika data-data sudah diinput semua maka report akan ditampilkan seperti gambar berikut :
Gambar 4.3 Halaman Report
6. Analisa Pembahasan
Data berikut adalah data dari perhitungan matriks dibandingkan dengan hasil pengolahan data dengan mengunakan metode bayesian, sehingga akan didapatkan kesimpulan keakuratan hasil jika menggunakan metode bayesian.
Tabel 5.1 Perhitungan Matriks
No Family mangrove Spesies mangrove Spesies satwa Karakteristik kawasan Pemintaan Air
tawar Akses Layak
1 1-2 >11 1 4 4 ≤2km 4 Sedang 2 5-6 >11 4 4 2-3 ≤2km 4 Tinggi 3 3-4 >11 2-3 1 4 >2-5km 4 Sedang 4 1-2 6-10 1 1 1 >2-5km 1 Rendah 5 5-6 6-10 4 4 1 >2,5km 1 Sedang 6 3-4 6-10 2-3 2-3 2-3 >2-5km 1 Sedang 7 1-2 <6 1 1 1 >2,5km 1 Rendah 8 5-6 <6 2-3 1 1 ≤2km 1 Sedang 9 3-4 <6 2-3 4 4 >2-5km 4 Sedang 10 1-2 >11 1 2-3 2-3 >2-5km 1 Sedang 11 5-6 6-10 4 2-3 4 >2-5km 4 Tinggi 12 3-4 <6 1 4 2-3 ≤2km 2-3 Sedang 13 1-2 >11 1 2-3 1 >2-5km 1 Sedang
No Family mangrove Spesies mangrove Spesies satwa Karakteristik kawasan Pemintaan Air
tawar Akses Layak
14 5-6 6-10 4 1 4 >2,5km 4 Sedang
15 3-4 6-10 1 2-3 2-3 >2-5km 1 Sedang
Tabel 5.2 Perhitungan Bayesian
No Family mangrove Spesies mangrove Spesies satwa Karakteristik kawasan Pemintaan Air
tawar Akses Layak
1 1-2 >11 1 4 4 ≤2km 4 Tinggi 2 5-6 >11 4 4 2-3 ≤2km 4 Tinggi 3 3-4 >11 2-3 1 4 >2-5km 4 Sedang 4 1-2 6-10 1 1 1 >2-5km 1 Rendah 5 5-6 6-10 4 4 1 >2,5km 1 Tinggi 6 3-4 6-10 2-3 2-3 2-3 >2-5km 1 Sedang 7 1-2 <6 1 1 1 >2,5km 1 Rendah 8 5-6 <6 2-3 1 4 ≤2km 1 Tinggi 9 3-4 <6 2-3 4 2-3 >2-5km 4 Tinggi 10 1-2 >11 1 2-3 2-3 >2-5km 1 Sedang 11 5-6 6-10 4 2-3 4 >2-5km 4 Tinggi 12 3-4 <6 1 4 2-3 ≤2km 2-3 Tinggi 13 1-2 >11 1 2-3 1 >2-5km 1 Sedang 14 5-6 6-10 4 1 4 >2,5km 4 Tinggi 15 3-4 6-10 1 2-3 2-3 >2-5km 1 Sedang
Berdasarkan pada penyajian data sebelum dilakukan proses bayesian dengan data sesudah dilakukannya proses bayesian, terjadi perubahan yang signifikan. Maka dapat disimpulkan bahwa metode bayesian mempunyai tingkat akurasi =
=
= 60 %.
7. Kesimpulan
Kesimpulan yang dapat diambil dari penelitian yang dilakukan untuk menentukan kelayakan ekowisata mangrove antara lain :
1. Proses pengklasifikasian nilai sangat penting karena dapat mengelompokkan nilai-nilai yang akan diuji.
2. Dari 10 data trainning dan 15 data sampel yang digunakan, metode bayes mempunyai tingkat akurasi sebesar 60%.
3. Algoritma naive bayes bila diimplementasikan menggunakan data yang digunakan dalam proses training akan menghasilkan nilai kesalahan yang lebih besar karena pada naive bayes nilai suatu atribut adalah independent terhadap nilai lainnya dalam satu atribut yang sama. Namun memiliki akurasi yang lebih tinggi bila dimplementasikan ke data yang berbeda dari data training dan kedalam data yang jumlahnya lebih besar.
4. Sistem penentuan ekowisata mangrove yang dibangun berjalan dengan sangat baik. Hal ini dibuktikan dengan validitas sistem yang mencapai 100%.
8. Daftar Pustaka
Amelia Yusnita, Rosiana Handini (2012).
Sistem Pendukung Keputusan
menentukan Lokasi Rumah Makan yang Strategis Menggunakan Metode Naive Bayes. Semarang: STMIK
Widya Cipta Dharma.
Bonczek, R. H. (1980).Future Directions
for Decision Support.English
Efraim Turban, Jay E. Aronson.(1998).
Decision support systems and intelligent systems. Prentice Hall
Mehrani Kafai, Bir Banu (2012). Dinamic
Bayesian Networks for Vehicle Classification in Video. IEE Transactions On Industrial Informatics.
Prasetyo Nugroho, Idris Winarno (2011).
Klasifikasi Email Spam Dengan Netode Naive Bayes Classifier menggunakan Java Programming.
Surabaya: Institut Teknologi Sepuluh November.
Jr ,Raymon McLoed. (1998). Management
information systems. Upper Saddle